La capacité de traiter des données quantiques directement avec un dispositif quantique (à droite) permet de résoudre des aspects de notre univers de manière exponentielle plus rapide que de passer par un intermédiaire classique (à gauche). Cela peut nous permettre de découvrir de nouveaux phénomènes physiques qui auraient été pratiquement invisibles sans une telle technologie. Crédit :Google Quantum AI Hook
Une équipe de chercheurs affiliés à plusieurs institutions aux États-Unis, dont Google Quantum AI, et un collègue en Australie, ont développé une théorie suggérant que les ordinateurs quantiques devraient être exponentiellement plus rapides sur certaines tâches d'apprentissage que les machines classiques. Dans leur article publié dans la revue Science , le groupe décrit sa théorie et ses résultats lorsqu'ils sont testés sur l'ordinateur quantique Sycamore de Google. Vedran Dunjko de Leiden University City a publié un article Perspective dans le même numéro de revue décrivant l'idée derrière la combinaison de l'informatique quantique avec l'apprentissage automatique pour fournir un nouveau niveau de systèmes d'apprentissage informatisés.
L'apprentissage automatique est un système par lequel des ordinateurs formés avec des ensembles de données font des suppositions éclairées sur de nouvelles données. Et l'informatique quantique implique l'utilisation de particules subatomiques pour représenter les qubits comme un moyen de mener des applications beaucoup plus rapidement que ce qui est possible avec les ordinateurs classiques. Dans ce nouvel effort, les chercheurs ont envisagé l'idée d'exécuter des applications d'apprentissage automatique sur des ordinateurs quantiques, les rendant éventuellement plus aptes à apprendre, et donc plus utiles.
Pour savoir si l'idée était possible et, plus important encore, si les résultats seraient meilleurs que ceux obtenus sur des ordinateurs classiques, les chercheurs ont posé le problème d'une nouvelle manière :ils ont conçu une tâche d'apprentissage automatique qui apprendrait via des expériences répétées de nombreuses fois. le temps est dépassé. Ils ont ensuite développé des théories décrivant comment un système quantique pourrait être utilisé pour mener de telles expériences et en tirer des enseignements. Ils ont découvert qu'ils étaient capables de prouver qu'un ordinateur quantique pouvait le faire, et qu'il pouvait le faire bien mieux qu'un système classique. En fait, ils ont trouvé une réduction du nombre d'expériences nécessaires pour apprendre un concept à quatre ordres de grandeur inférieur à celui des systèmes classiques. Les chercheurs ont ensuite construit un tel système et l'ont testé sur l'ordinateur quantique Sycamore de Google et ont confirmé leur théorie.
Le travail suggère que si un ordinateur quantique utilisable et à mots réels est jamais développé, il pourrait être capable d'apprendre de nouvelles choses à une échelle presque inimaginable.
© 2022 Réseau Science X L'enchevêtrement déverrouille la mise à l'échelle pour l'apprentissage automatique quantique
